空气污染已成为东南亚地区日益加剧的心血管风险因素，西太平洋地区尤为突出，该地区跨境雾霾和城市排放现象普遍。尽管环境因素具有重要影响，但传统的急性冠状动脉综合征（Acute Coronary Syndrome, ACS）风险评分往往忽略了这些因素。

2026年1月27日的《Scientific reports》刊载了一项研究，旨在利用机器学习（Machine Learning, ML）技术评估空气污染暴露对ACS死亡率的预测价值，以弥合临床与环境数据之间的这一缺口。

研究者们整合了马来西亚国家心血管疾病数据库（National Cardiovascular Disease Database, NCVD）的临床数据与环境部门2006至2017年的每日空气质量数据（NOx、SO₂、O₃、PM₁₀）。研究开发了逻辑回归、随机森林（RF）、极端梯度提升（XGBoost）和集成学习等ML算法来预测院内死亡率，并应用SHapley加性解释值（SHapley Additive exPlanations, SHAP）增强模型可解释性。研究者们将模型性能与ST段抬高型心肌梗死（STEMI）和非ST段抬高型心肌梗死（NSTEMI）患者的传统心肌梗死溶栓疗法（TIMI）风险评分进行了比较。基于14,145例ACS病例的分析显示，RF模型获得了最高的曲线下面积（AUC）（0.843），优于TIMI评分（STEMI为0.791，NSTEMI为0.565）。净重分类指数改善分别为8.71%（STEMI）和86.94%（NSTEMI），差异均具有统计学意义（p<0.001）。SHAP分析显示，NOx和O₃以及Killip分级和空腹血糖等临床因素是死亡率预测的主要贡献因子。

研究结果表明，整合环境与临床特征的ML模型可有效改善ACS死亡率预测。虽然该模型在马来西亚显示出良好的应用潜力，但在更广泛推广之前，仍需在西太平洋其他人群中进行外部验证。该框架可为未来针对污染相关心血管风险的区域特定公共卫生干预措施提供依据。

原文出处：Kasim S, Malek S, Cheen S, Fatin PN, Ning KX, Hamidi H, Ahmad WAW, Ibrahim KS, Negishi K, Sulaiman MN, Fong A. Machine learning-based prediction of mortality risk from air pollution-induced acute coronary syndrome in the Western Pacific region. Sci Rep. 2026 Jan 27;16(1):3486. doi: 10.1038/s41598-025-15410-0. PMID: 41588015; PMCID: PMC12847821.

链接：https://pubmed.ncbi.nlm.nih.gov/41588015/